基于CF與SVM的小樣本斜坡地質(zhì)災(zāi)害敏感性評價研究

薛永安，王玉潔，朱婧聰，李昊辰，張明媚

(1.太原理工大學(xué) 礦業(yè)工程學(xué)院，太原 030024；2.山西能源學(xué)院 地質(zhì)與測繪工程系，山西 晉中 030600；3.中國科學(xué)院地理科學(xué)與資源研究所 中國科學(xué)院陸地表層格局與模擬重點實驗室，北京 100101)

地質(zhì)災(zāi)害敏感性評價(也稱易發(fā)性評價)是利用數(shù)學(xué)語言評估在一定地質(zhì)環(huán)境條件下災(zāi)害空間概率的敏感性[1]，評價方法主要分為定性評價與定量評價[2]，目前常用的定量評價模型主要包括：層次分析法[3]、邏輯回歸模型[4]、神經(jīng)網(wǎng)絡(luò)法[5]、證據(jù)權(quán)重法[6]、信息量法(information value，I)[7]、確定性系數(shù)法(certainty factor，CF)[8]、隨機森林(random forest，RF)[9]和支持向量機(support vector machine，SVM)[10]等。然而，采用這些模型存在評價因子分級量化主觀性較強，以及評價因子組合權(quán)重客觀性不足的影響，因此，組合評價模型逐漸成為研究熱點[11-12]，如基于CF與SVM的耦合易發(fā)性評估模型[8]、信息量與Logistic回歸的耦合模型[13]、確定性系數(shù)與層次分析法、邏輯回歸方法和神經(jīng)網(wǎng)絡(luò)多層感知器方法組合的區(qū)域滑坡敏感性評價[14]、CF與Logistic回歸模型耦合[15]，為敏感性評價模型組合研究提供了豐富的參考。同時有學(xué)者采用不同的模型進行對比研究[16]，以及組合與對比同時進行的研究工作，如楊強等[12]采用信息量法、確定性系數(shù)法、證據(jù)權(quán)法分別與邏輯回歸組合，對3種組合模型進行對比選取最佳評價模型。這些研究工作，為地質(zhì)災(zāi)害敏感性評價奠定了堅實的基礎(chǔ)，也為后續(xù)研究提供了豐富的成果參考。

山西省五寨縣地質(zhì)災(zāi)害防治“十三五”規(guī)劃(2016-2020年)表明，2017年全縣初步確定地質(zhì)災(zāi)害隱患點53處，隱患類型主要為崩塌和不穩(wěn)定斜坡兩種(以下統(tǒng)稱斜坡地質(zhì)災(zāi)害)，直接威脅人口588人，房屋594間，財產(chǎn)603萬元，給當(dāng)?shù)亟?jīng)濟發(fā)展帶來極大影響。開展斜坡地質(zhì)災(zāi)害敏感性評價可以為危險范圍預(yù)測及重點防治區(qū)域區(qū)劃等方面提供理論依據(jù)與技術(shù)支撐[15]，也是國土空間規(guī)劃中城鄉(xiāng)公共安全與地質(zhì)災(zāi)害防治規(guī)劃的主要工作內(nèi)容之一，對保障五寨縣國土空間規(guī)劃順利開展、人民群眾生命財產(chǎn)安全和社會經(jīng)濟可持續(xù)發(fā)展具有重要的現(xiàn)實意義。李遠(yuǎn)遠(yuǎn)等[8]以CF模型和SVM模型構(gòu)建了CF-SVM易發(fā)性評估模型，CF方法作為SVM分類數(shù)據(jù)的獲取方法，以云南省怒江州瀘水縣381個地質(zhì)災(zāi)害隱患點進行了CF-SVM與SVM的易發(fā)性評價對比研究，結(jié)果表明，CF-SVM模型優(yōu)于SVM模型。然而該文未對比CF模型評價結(jié)果，且地質(zhì)災(zāi)害樣本數(shù)量較多，上述結(jié)論對于小樣本的區(qū)域性斜坡地質(zhì)災(zāi)害敏感性評價是否適用尚未可知，但這些研究工作的展開，為區(qū)域斜坡地質(zhì)災(zāi)害敏感性評價工作提供了基礎(chǔ)參考。

歷史編錄地質(zhì)災(zāi)害數(shù)據(jù)是目前敏感性評價中主要采用的數(shù)據(jù)源，但該數(shù)據(jù)集與具體年份的基礎(chǔ)地理數(shù)據(jù)之間存在失相關(guān)，而與基礎(chǔ)地理數(shù)據(jù)保持相近時相的地質(zhì)災(zāi)害發(fā)育數(shù)量一般較歷史編錄數(shù)據(jù)集要少。針對小樣本情況下地質(zhì)災(zāi)害敏感性評價模型的適用性及成果的可靠性問題，本文選擇高程、坡度、坡向、地勢起伏度、地質(zhì)構(gòu)造、地層巖組、道路工程擾動、河流水系和表征植被覆蓋的歸一化植被指數(shù)(normalized difference vegetation index，NDVI)為斜坡地質(zhì)災(zāi)害敏感性評價因子，選擇基于統(tǒng)計思想的CF模型和基于機器學(xué)習(xí)的SVM模型作為評價模型，同時進行模型組合(CF-SVM模型)，分別以CF模型、SVM模型和CF-SVM模型開展了山西省五寨縣斜坡地質(zhì)災(zāi)害敏感性評價對比，并以受試者特征曲線(receiver operating characteristic，ROC)下面積(area under the ROC curve，AUC)檢驗了模型精度，綜合頻率比、AUC值和敏感性分區(qū)圖對比得到最佳評價模型及評價結(jié)果，最后采用I模型與SVM模型的組合(I-SVM模型)結(jié)果進行了對比分析，以期為小樣本情況下地質(zhì)災(zāi)害敏感性評價提供更可靠的模型選擇參考與最佳結(jié)果，同時為五寨縣城鄉(xiāng)公共安全與地質(zhì)災(zāi)害防治規(guī)劃提供科學(xué)支撐。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

五寨縣(圖1)位于山西省西北部黃土高原丘陵區(qū)，管涔山北麓，地理范圍：E111°28′～E113°00′，N38°44′～N39°17′，總面積1 391 km2.

圖1 研究區(qū)地理位置圖Fig.1 Geographical map of the study area

地形地貌表現(xiàn)為：地勢東南高，為變質(zhì)巖森林山區(qū)；西北低，屬于典型的晉西北黃土高原黃土地貌形態(tài)；中部地勢平坦，為黃土盆地平川區(qū)。

區(qū)內(nèi)分布有橫山斷裂、安塘-五寨隱伏斷層和青陽嶺及小口村斷層，地表水均屬黃河水系，主要有朱家川河、縣川河、嵐漪河三大水系。

1.2 數(shù)據(jù)源

1.2.1基礎(chǔ)數(shù)據(jù)

基于2017年五寨縣地質(zhì)災(zāi)害分布及易發(fā)程度分區(qū)圖(1∶50 000)矢量化成果，提取了研究區(qū)斜坡地質(zhì)災(zāi)害點53處，其中，崩塌49處，主要為黃土崩塌，不穩(wěn)定斜坡4處，按規(guī)模劃分為中型19處，小型34處。同時提取了研究區(qū)地層巖組、地質(zhì)構(gòu)造、基礎(chǔ)地理信息等數(shù)據(jù)。研究區(qū)內(nèi)的地層巖組由老到新依次為：

1.2.2DEM數(shù)據(jù)

DEM數(shù)據(jù)主要用于數(shù)字地形因子提取，本文基于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)下載ASTER GDEM V2數(shù)據(jù)作為DEM數(shù)據(jù)，并完成了預(yù)處理與裁剪。該數(shù)據(jù)空間分辨率約為30 m，垂直分辨率為20 m，空間參考為WGS84/EGM96.

1.2.3遙感影像數(shù)據(jù)

遙感影像主要用于植被覆蓋(NDVI)提取，本文基于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)下載2017年8月11日Landsat8數(shù)據(jù)，完成了影像預(yù)處理與裁剪。該數(shù)據(jù)空間分辨率約為30 m，波段8為15 m分辨率的全色波段。

本文的空間分析、結(jié)果統(tǒng)計與制圖等工作基于Arc GIS軟件進行，而敏感性評價基于SPSS Modeler軟件進行。

2 敏感性評價方法

2.1 CF模型

CF模型是一個概率函數(shù)，由Shortliffe E H和Buchanan B G于1975年提出。1986 年，HECKERMAN[17]對該模型進一步改進，用來分析研究影響某一事件發(fā)生的各因子的敏感性。根據(jù)待評價區(qū)域內(nèi)已知的地質(zhì)災(zāi)害隱患點，假設(shè)地質(zhì)環(huán)境變化可以忽略，已發(fā)生災(zāi)害與將來可能發(fā)生的災(zāi)害具有發(fā)育地質(zhì)環(huán)境強相似性，通過CF方法對影響地質(zhì)災(zāi)害發(fā)生的各個因子的不同區(qū)間進行敏感性計算，獲取不同分級區(qū)間的CF值，利用CF值判斷地質(zhì)災(zāi)害發(fā)生的可能性。

CF值的取值范圍為[-1，1]，當(dāng) CF>0時，值越大發(fā)生災(zāi)害的可能性越大；當(dāng)CF<0時，值越小發(fā)生災(zāi)害的可能性越?。欢?dāng) CF=0時則無法確定是否會發(fā)生災(zāi)害[15]。

CF值計算公式如下[8]：

(1)

式中：Pa為某一特征a的條件概率；Ps為研究區(qū)域的災(zāi)害點數(shù)量與面積之比；CF為地質(zhì)災(zāi)害發(fā)生的確定性系數(shù)。

2.2 SVM模型

支持向量機基于機器學(xué)習(xí)理論，最早由VAPNIK在20世紀(jì)60年代用于研究小樣本情況下提出的[18]，被認(rèn)為是目前針對小樣本估計和預(yù)測學(xué)習(xí)的最佳理論，在災(zāi)害敏感性評價中應(yīng)用較多[11,19]。

yi(wTxi+b)≥1，i=1,…,n.

(2)

(3)

SVM利用核函數(shù)使非線性分類問題得到解決，目前，SVM常用核函數(shù)主要有線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)和Sigmoid核函數(shù)。災(zāi)害敏感性評價中徑向基核函數(shù)應(yīng)用較多[11]，但針對不同的研究目的，應(yīng)對比4種核函數(shù)預(yù)測精度，選擇最優(yōu)核函數(shù)建立SVM預(yù)測模型。

2.3 I模型

為了評價CF模型、SVM模型與CF-SVM模型的精度和敏感性分區(qū)效果，本文采用I模型與SVM模型的組合(I-SVM模型)作為對比模型。

I模型利用信息量描述影響因子的數(shù)量和質(zhì)量，從而決定地質(zhì)災(zāi)害的發(fā)生概率，在地質(zhì)災(zāi)害敏感性評價中有大量應(yīng)用[7]，信息量計算公式為：

(4)

式中：xi代表評價單元內(nèi)所取的因子等級；I(Xi,H)為因子xi對地質(zhì)災(zāi)害所貢獻(xiàn)的信息量；S為研究區(qū)面積；Si為研究區(qū)內(nèi)含有因子xi的面積；N為研究區(qū)內(nèi)地質(zhì)災(zāi)害總數(shù)；Ni為發(fā)生地質(zhì)災(zāi)害區(qū)域中含有因子xi的數(shù)量；I為評價單元中的綜合信息量；n為影響因子數(shù)量。

3 斜坡地質(zhì)災(zāi)害敏感性評價

斜坡地質(zhì)災(zāi)害的發(fā)生與孕災(zāi)環(huán)境及誘發(fā)因素密切相關(guān)，合理選擇評價因子是保障敏感性評價結(jié)果可靠性的關(guān)鍵，而準(zhǔn)確掌握斜坡地質(zhì)災(zāi)害空間分布特征是開展基于統(tǒng)計思想的災(zāi)害敏感性評價的重要前提。目前，地質(zhì)災(zāi)害空間分布特征研究眾多[20-23]，同時，文獻(xiàn)[24]認(rèn)為巖性、坡度、坡向、起伏度、與河流距離和與主要道路距離是影響云南鎮(zhèn)雄縣滑坡發(fā)育的主要因子。文獻(xiàn)[25]則對滇東北滑坡孕災(zāi)環(huán)境的高程、坡度、坡向、降雨量、巖石硬度、距道路距離、距河流距離和距斷裂距離8個因子進行了敏感性分析，為合理選擇評價因子進行了探索。這些研究工作的展開，為斜坡地質(zhì)災(zāi)害敏感性評價因子選擇及可靠獲取[26]提供了參考。

3.1 評價因子

地形地貌與地質(zhì)因素是地質(zhì)災(zāi)害發(fā)育的控制性因素，人類工程活動則引起斜坡體穩(wěn)定性減弱，誘發(fā)崩塌與滑坡災(zāi)害，河流沖刷進一步降低了斜坡坡腳的穩(wěn)定性，而植被覆蓋則具有保持水土的作用，對保障坡體穩(wěn)定性具有積極作用。

針對評價因子分級標(biāo)準(zhǔn)，有研究者采用定量計算選取閾值劃分等級[12]，也有研究者根據(jù)以往經(jīng)驗與災(zāi)害點分布規(guī)律進行因子狀態(tài)分級[7，11]。

本文在前期研究基礎(chǔ)[22，26]上參考現(xiàn)有研究[7,11,24-25]，從地形地貌(高程、坡度、坡向、地勢起伏度)、地質(zhì)因素(地質(zhì)構(gòu)造、地層巖組)、人為動力(道路工程擾動)和自然因素(河流水系、NDVI)四個方面選取9個因子構(gòu)建敏感性評價因子(表1)，綜合考慮進行了評價因子分級。

表1 研究區(qū)斜坡地質(zhì)災(zāi)害評價因子及分級表Table 1 Classification of evaluation factors of slope geological hazard sensitivity in the study area

3.2 評價因子分級CF值

以表1中9個評價因子的分級指標(biāo)進行分級統(tǒng)計，并以公式(1)、(4)分別計算得到各評價因子不同分級的CF值和I值(表2).

表2 各因子分類等級CF值計算結(jié)果表Table 2 Calculation results of CF of classification level of each evaluation factor

3.3 多模型敏感性評價

現(xiàn)有研究中通常采用已知災(zāi)害點的70%或80%作為訓(xùn)練點建立預(yù)測模型，剩余的30%或20%作為驗證點評價預(yù)測模型精度[8,11,19]。本文隨機選取總災(zāi)害點的70%和相同數(shù)量的非地質(zhì)災(zāi)害點作為模型建立訓(xùn)練樣本，非災(zāi)害點在Arc GIS中隨機生成，災(zāi)害點與非災(zāi)害點之間的點間距不小于500 m，剩余30%的災(zāi)害點和相同數(shù)量的非災(zāi)害點作為模型預(yù)測精度評價樣本，非災(zāi)害點同樣在Arc GIS中隨機生成且點間距不小于500 m.

3.3.1CF模型與I模型評價

CF模型和I模型均需要考慮評價因子之間的相關(guān)性，如果因子之間高度相關(guān)，則會影響模型的預(yù)測精度，甚至出現(xiàn)錯誤的結(jié)果。本次采用相關(guān)系數(shù)R來衡量評價因子之間的相關(guān)度，R的取值范圍為[-1,1]，|R|越接近1，因子之間的相關(guān)性越高，反之則越低。

利用SPSS軟件進行了各評價因子相關(guān)性分析，結(jié)果表明：

1) CF模型中，高程與道路工程擾動(R=0.867)，坡向與地勢起伏度(R=0.714)之間有較強相關(guān)性，綜合考慮后剔除高程因子與坡向因子，以剩余7個影響因子構(gòu)建敏感性評價因子集，采用CF模型進行研究區(qū)斜坡地質(zhì)災(zāi)害敏感性評價。

2) I模型中，高程與地層巖組(R=0.683)之間有較強相關(guān)性，綜合考慮后剔除高程因子，以剩余8個影響因子構(gòu)建信息量評價因子集，采用I模型進行研究區(qū)斜坡地質(zhì)災(zāi)害敏感性評價。

3.3.2SVM模型評價

在SVM樣本訓(xùn)練中利用4種核函數(shù)分別訓(xùn)練，對比4種核函數(shù)SVM模型預(yù)測準(zhǔn)確率，徑向基核函數(shù)SVM模型預(yù)測精度明顯較其他三種核函數(shù)SVM模型預(yù)測正確率高。因此，本文采用徑向基核函數(shù)SVM模型進行研究區(qū)斜坡地質(zhì)災(zāi)害敏感性評價。

3.3.3CF-SVM模型評價

該模型是對CF模型和SVM模型的組合，利用CF方法計算得到各個影響因子的分級CF值，以CF值替代分級統(tǒng)計結(jié)果作為SVM模型的分類數(shù)據(jù)，并將其作為訓(xùn)練樣本數(shù)據(jù)，采用徑向基核函數(shù)SVM模型進行樣本訓(xùn)練，進而對研究區(qū)柵格數(shù)據(jù)進行預(yù)測，得到研究區(qū)斜坡地質(zhì)災(zāi)害敏感性評價結(jié)果。

3.3.4I-SVM模型評價

該模型構(gòu)建方法與CF-SVM模型相同，是對I模型和SVM模型進行的組合，首先計算得到各個影響因子的分級I值，然后利用分級I值作為SVM模型的分類數(shù)據(jù)，并將其作為訓(xùn)練樣本數(shù)據(jù)，同樣采用徑向基核函數(shù)SVM模型進行樣本訓(xùn)練，最后對研究區(qū)柵格數(shù)據(jù)進行預(yù)測，得到研究區(qū)斜坡地質(zhì)災(zāi)害敏感性評價結(jié)果。

3.4 評價結(jié)果

利用自然間斷點法將研究區(qū)劃分為4個敏感性等級，分別為極高敏感區(qū)、高敏感區(qū)、中敏感區(qū)和低敏感區(qū)，在Arc GIS平臺對采用CF模型、I模型、SVM模型、CF-SVM模型和I-SVM模型得到的斜坡地質(zhì)災(zāi)害敏感性分區(qū)進行制圖(見圖2)和分區(qū)統(tǒng)計(見表3).

圖2 研究區(qū)斜坡地質(zhì)災(zāi)害敏感性分區(qū)圖Fig.2 Slope geological hazard sensitivity zoning in the study area

表3 研究區(qū)斜坡地質(zhì)災(zāi)害敏感性分區(qū)統(tǒng)計表Table 3 Statistical table of slope geological hazard sensitivity zoning in the study area

圖2顯示，CF模型、I模型、CF-SVM模型和I-SVM模型的極高敏感區(qū)主要分布于研究區(qū)的河道溝谷，部分沿道路分布，呈明顯的樹杈狀，而SVM模型的極高敏感區(qū)主要分布于五寨縣西部的黃土丘陵區(qū)，該地區(qū)溝谷縱橫、水土流失嚴(yán)重，是黃土崩塌發(fā)育的潛在隱患區(qū)，同時東南部土石山區(qū)部分分布。五種模型的極低敏感區(qū)主要位于五寨縣中部平原區(qū)，但CF-SVM模型分布更廣泛。CF-SVM模型與I-SVM模型所劃分極高敏感區(qū)分別保持了CF模型與I模型的特點，沿水系走向分布，而低敏感區(qū)則保持了SVM模型的特點，主要分布于中部平原區(qū)，并向全域擴散分布。

表3可以看出，CF模型所劃分極高、高敏感區(qū)總面積為670.512 km2，占研究區(qū)總面積的48.20%，災(zāi)害點分布占總災(zāi)害點的90.57%；I模型所劃分極高、高敏感區(qū)總面積為529.293 km2，占研究區(qū)總面積的38.06%，災(zāi)害點分布占總災(zāi)害點的90.56%；SVM模型所劃分極高、高敏感區(qū)總面積為574.876 km2，占研究區(qū)總面積的41.32%，災(zāi)害點分布占總災(zāi)害點的90.57%；CF-SVM模型所劃分極高、高敏感區(qū)總面積為332.922 km2，占研究區(qū)總面積的23.93%，災(zāi)害點分布占總災(zāi)害點的83.02%.I-SVM模型所劃分極高、高敏感區(qū)總面積為452.173 km2，占研究區(qū)總面積的32.51%，災(zāi)害點分布占總災(zāi)害點的84.91%.五種模型的頻率比值均隨敏感性等級升高而遞增，表明五種模型的頻率比值與敏感性等級之間具有良好的正相關(guān)。極高敏感區(qū)的頻率比值從大到小依次為：CF-SVM模型(6.66)>CF模型(4.72)>I模型(4.60)>I-SVM模型(4.41)>SVM模型(3.42)，表明CF-SVM模型在滿足極高敏感區(qū)較小面積分布較多災(zāi)害點的能力最好。同時，CF模型與SVM模型的低敏感區(qū)頻率比均為零，小于CF-SVM模型的0.08，但是CF-SVM模型的低敏感區(qū)面積占比為45.09%，大于CF模型與SVM模型的17.04%和32.33%，同時也大于I模型與I-SVM模型的23.47%和36.40%，更符合低敏感區(qū)較大面積分布較少災(zāi)害點的實際情況。

3.5 精度檢驗

目前，一般采用ROC曲線下面積AUC值進行敏感性評價模型精度等級評價，文獻(xiàn)[19]給出了AUC值與模型精度等級之間的對應(yīng)關(guān)系，具體如下：

1) 0.9～1.0，模型極好；

2) 0.8～0.9，模型非常好；

3) 0.7～0.8，模型表現(xiàn)好；

4) 0.6～0.7，模型一般；

5) 0.0～0.6，模型表現(xiàn)差。

本文采用ROC曲線評價精度，利用占總樣本30%的未參與模型訓(xùn)練的16個災(zāi)害點和16個隨機生成的非災(zāi)害點進行檢驗，五種模型的ROC曲線如圖3所示，漸進顯著性均小于0.05，表明五種模型均較好。CF模型、I模型、SVM模型、CF-SVM模型和I-SVM模型的AUC值分別為0.906、0.855、0.844、0.934和0.891，其中CF-SVM模型的AUC值大于其他四種模型，是五種模型中評價精度最高的模型，較CF模型、I模型、SVM模型與I-SVM模型的模型精度增益分別為3.09%、9.24%、10.66%和4.83%，而I-SVM模型較I模型與SVM模型精度增益分別為4.21%和5.57%.同時，CF模型與CF-SVM模型的精度為極好，而I模型、SVM模型與I-SVM模型的精度為非常好，均具有較高的適用性。

圖3 ROC曲線圖Fig.3 ROC curve

4 結(jié)論

1) CF-SVM模型是五種模型中評價精度最高的模型，較CF模型和SVM模型預(yù)測精度分別提升了3.09%和10.66%，較I-SVM模型預(yù)測精度高4.83%，其所劃分研究區(qū)斜坡地質(zhì)災(zāi)害低敏感區(qū)、中敏感區(qū)、高敏感區(qū)和極高敏感區(qū)的面積分別為：627.205 km2、430.873 km2、214.652 km2和118.270 km2，分別占研究區(qū)總面積的45.09%、30.98%、15.43%和8.50%，所分布災(zāi)害點分別占總災(zāi)害點的3.77%、13.21%、26.42%和56.60%.

2) 研究區(qū)斜坡地質(zhì)災(zāi)害極高敏感區(qū)主要沿水系溝谷走向分布于縣域西部的杏嶺子鄉(xiāng)、韓家樓鄉(xiāng)和東秀莊鄉(xiāng)西部黃土區(qū)，以及東南部前所鄉(xiāng)的土石山區(qū)，是研究區(qū)地質(zhì)災(zāi)害防控的首要區(qū)域。與2017年五寨縣地質(zhì)災(zāi)害分布及易發(fā)程度分區(qū)圖(1∶50 000)對比，極高敏感區(qū)范圍極大減小，為地質(zhì)災(zāi)害精準(zhǔn)防控提供了數(shù)據(jù)支撐。中、低敏感區(qū)范圍顯著增大，沿高敏感區(qū)向外擴展，為更高效、低成本、精準(zhǔn)化開展研究區(qū)地質(zhì)災(zāi)害防控工作提供了科學(xué)指導(dǎo)，避免了防控范圍擴大化。

3) 敏感性分區(qū)圖表明CF模型與I模型所劃分敏感性分區(qū)結(jié)果較為相似，與SVM模型結(jié)果差異較大，同時CF-SVM模型與I-SVM模型結(jié)果差異明顯?；诮y(tǒng)計思想的CF模型和I模型需要考慮因子相關(guān)性，而SVM模型則需要更多的因子和樣本數(shù)據(jù)進行學(xué)習(xí)，在小樣本情況下組合CF模型(I模型)與SVM模型進行敏感性評價相比單模型評價具有明顯的精度增益。綜合頻率比值、AUC值和敏感性分區(qū)圖，CF-SVM模型融合了CF模型與SVM模型的優(yōu)點，既保證了更多的斜坡地質(zhì)災(zāi)害點分布于極高、高敏感區(qū)，模型精度極好，又保證了極高、高敏感區(qū)面積相對更小，符合斜坡地質(zhì)災(zāi)害分布實際情況，是CF模型與SVM模型綜合賦能預(yù)測結(jié)果的體現(xiàn)，也是區(qū)域內(nèi)地質(zhì)災(zāi)害數(shù)量較少情況下五種模型中最適用的敏感性評價模型。